检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

半监督框架下的医学图像分类算法研究

半监督框架下的医学图像分类算法研究

作者：陈鹏飞吉林大学

学位级别：硕士

随着智能医疗技术的快速发展,深度学习在医学图像数据分析中的应用逐渐普及。基于深度学习的医学图像分类技术为疾病诊断提供了智能化、自动化、高效且精确的新途径。然而,深度学习模型的性能受到特征提取能力和训练样本质量的制约,而... 详细信息

随着智能医疗技术的快速发展,深度学习在医学图像数据分析中的应用逐渐普及。基于深度学习的医学图像分类技术为疾病诊断提供了智能化、自动化、高效且精确的新途径。然而,深度学习模型的性能受到特征提取能力和训练样本质量的制约,而高质量标注的医学图像数据的获取既昂贵又繁琐。针对标注数据稀缺问题,半监督学习成为一种有潜力的解决方案。它通过降低对标注样本数量的需求展现出优势。传统的半监督网络常常利用固定伪标签阈值和动态自适应伪标签阈值两种思路进行训练。然而,前者存在固定伪标签阈值利用率低;后者在训练初期设定过低时,可能会引入错误伪标签,影响训练效果和预测准确性。针对上述问题,本文创新性地提出了一种名为BoostIS的半监督网络结构。该结构在训练早期结合全局固定阈值与局部自适应阈值,并引入全局动态阈值实时监测。此外,通过动态权重trade-off机制平衡伪标签的数量和质量,以减轻错误伪标签对网络性能的影响。同时,利用强弱增强样本在度量空间上的差异化处理,增强类内区分能力,进一步提升特征提取效果。实验结果表明,BoostIS在多个半监督常用测试数据集以及医学图像数据集中均表现出优越性能,验证了模型的有效性。然而,针对医学图像数据集中类别数量不均衡及长尾分布的问题,BoostIS虽通过全局固定阈值策略减轻了训练初期错误标签的影响,但过高的固定阈值可能导致模型对少数类别的识别偏见加剧。为解决这一问题,本研究进一步设计了一种新型半监督网络框架——DB-BoostIS。该框架采用基于分布的伪标签标记算法,将伪标签的生成从基于Softmax值的方式转变为判断样本是否处于数据分布内部或外部的问题,依据能量阈值判定样本分布并据此进行标签标注。此外,并且模型引入自适应公平损失函数,通过分析全局伪标签的概率直方图分布来调整模型预测期望,自适应地校正半监督网络中的选择偏差,从而降低训练过程中的波动,减少半监督模型固有的偏差。最终实验结果显示,DB-BoostIS在小样本标签场景下表现卓越,并在不同医学图像数据集上均达到了最佳性能水平。

关键词：深度学习半监督图像分类度量学习医学图像分类

基于注意力机制的两类改进胶囊网络及在肺部疾病医学图像分类中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于注意力机制的两类改进胶囊网络及在肺部疾病医学图像分类中的...

作者：景岩强北方民族大学

学位级别：硕士

肺部疾病的计算机辅助诊断有助于医生更好地掌握病人所患肺部疾病类型,减少漏诊和误诊,提供定量分析和疾病监测数据。传统卷积神经网络(Convolutional Neural Network,CNN)在医学图像分类中存在一定的局限性,如计算量大、精度较低。为此... 详细信息

肺部疾病的计算机辅助诊断有助于医生更好地掌握病人所患肺部疾病类型,减少漏诊和误诊,提供定量分析和疾病监测数据。传统卷积神经网络(Convolutional Neural Network,CNN)在医学图像分类中存在一定的局限性,如计算量大、精度较低。为此,本文根据胶囊网络(Capsule Network,Caps Net)在医学图像处理中的优势,提出了两类改进的胶囊网络,并将其应用在肺炎和肺癌等肺部疾病的医学图像分类中,具体工作包括:1.在胶囊网络的基础上,在卷积层引入双卷积核卷积、替换动态路由算法和数字胶囊层为注意力胶囊模块和通道空间模块,建立一种通道空间重建注意力胶囊网络(Channel Space Reconstruction Attention Capsule Network,CSRA-Caps Net),并将其应用于肺炎医学图像分类中。实验结果表明,通过由卡塔尔大学、孟加拉国达卡大学的研究人员及巴基斯坦、马来西亚合作者共同创建的,包含新冠肺炎(Covid-19)、正常与病毒性肺炎的胸部X-ray图像数据集,采用准确率、召回率、精确率和F1值评价指标,其中CSRA-Caps Net在所有这些指标上均达到96.7%以上,相较于未改进的Caps Net(识别准确率为92.80%),该网络可有效压缩通道维度上的冗余特征,更好地捕捉关键信息,提高分类的精度。2.在胶囊网络的基础上,通过在卷积层增加可变形卷积、使用全局注意力代替动态路由算法、增加局部注意力模块等,建立了局部-全局注意力胶囊网络(Local Global Attention Capsule Network,LGA-Caps Net),并将其应用于肺癌医学图像分类中。实验结果表明,通过来自美国詹姆斯-海利退伍军人医院,包含4374例肺腺癌、肺鳞状细胞癌和良性肺组织的医学图像数据集,采用准确率、召回率、精确率和F1值评价指标,显示出随着全局与局部注意力胶囊模块的引入,LGA-Caps Net模型在这四项指标上分别取得了从6.05%至7.19%不等的提升,相较于原始Caps Net模型,在肺癌医学图像分类任务上实现了显著的性能提升,该方法能够有效提高对肺部肿瘤医学图像特征的精细捕捉和局部建模能,提高肺部肿瘤医学图像分类精度。3.运用Pyinstaller技术开发了一款适用于多平台操作系统的肺部疾病医学图像分类系统。在充分考虑其实际操作需求的基础上,系统展示了进行肺部疾病医学图像的操作流程,并通过严格的测试验证了其稳定性和准确性。该系统能显著提升在肺部疾病诊断上的精确度,有力地提高了诊疗效率与质量,确保患者能够及时获得精准的治疗方案。

关键词：胶囊网络注意力机制医学图像分类肺炎肺癌

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于模糊支持向量机的医学图像分类技术

吉林大学学报（工学版） 2007年第3期37卷 630-633页

作者：曹春红张斌李小琳东北大学信息科学与工程学院南京大学计算机软件新技术国家重点实验室南京210093

对每一个训练点都定义点模糊度,利用其隶属函数所包含的信息量来确定模糊度,在此基础上对传统的支持向量机算法进行了改进,提出了基于模糊支持向量机的医学图像分类技术。采用不同噪声图像进行的试验结果表明,模糊支持向量机方法能够较... 详细信息

对每一个训练点都定义点模糊度,利用其隶属函数所包含的信息量来确定模糊度,在此基础上对传统的支持向量机算法进行了改进,提出了基于模糊支持向量机的医学图像分类技术。采用不同噪声图像进行的试验结果表明,模糊支持向量机方法能够较好地对MRI图像中脑组织进行分类,并且具有较高的精度。使用该方法还可以减少计算量,提高运算速度。

关键词：计算机应用医学图像分类支持向量机模糊支持向量机模糊度

在线全文

学校读者我要写书评

暂无评论

医学图像分类中的特征融合与特征学习研究

医学图像分类中的特征融合与特征学习研究

作者：何乐乐电子科技大学

学位级别：硕士

随着先进的医疗设备的不断普及,医学图像呈指数形式增长,海量的图像数据给医学领域既带来了机遇,同时也制造的难题。一方面,由于大量医学图像的产生,原有的管理方法已经不能适应,需要一种新技术来有效的管理这些医学图像;而另一方面,作... 详细信息

随着先进的医疗设备的不断普及,医学图像呈指数形式增长,海量的图像数据给医学领域既带来了机遇,同时也制造的难题。一方面,由于大量医学图像的产生,原有的管理方法已经不能适应,需要一种新技术来有效的管理这些医学图像;而另一方面,作为医学领域的难题之一,肺癌的早期诊断非常重要,确诊后能及时防止肺部结节扩散,可以提高患者的存活率。然而,结节在肺部胸片图像中表现使得医生对其难以辨识,这就需要凭借大量的图像数据,采用模式识别的相关方法,为医生构建一种能自动识别肺部结节所在的辅助工具。针对上述两种不同的医学图像分类问题,本文的主要研究内容有两个：基于多特征融合的医学图像模态分类的方法与基于特征学习的肺结节自动识别的方法。本文首先对两个研究内容对应的研究现状及相关技术分别进行了阐述,然后,对于医学图像多模态分类的问题,本文融合了医学图像的视觉特征和文本特征,采用多核学习方法完成了医学图像的多模态分类的工作,并且,取得的分类准确率为目前同一数据集下最好的结果。关于肺部结节自动识别的问题,本文先通过图像处理技术完成疑似结节检测,接着采用单层的网络结构训练分类模型,然后使用训练出模型进行肺部结节识别,最后取得了较好的识别结果。本文的主要贡献有如下几点：(1)在进行医学图像的文本特征提取时,出现了维度灾难的问题,本文采用了基于信息增益的特征选择算法,实现了文本特征的降维。(2)使用了医学图像的文本特征和四种视觉特征,在对这些特征进行融合时,采用了多核学习的方法,并且取得了很好的分类结果。(3)由于检测得到的疑似结节太多,本文构建了两个分类模型,第一个分类模型用来对肺部结节进行初步筛选,第二个模型是基于第一层错误分类样本训练得到,用于对肺部结节进行最后识别。(4)为了保证第二个分类模型能很好的识别结节,本文采用了无监督的特征学习方法进行特征提取工作,包括Sparse AutoEncoder、RBMs及k-means,然后使用提取到的特征训练该模型,并取得了较好的识别结果。

关键词：医学图像分类多核学习特征融合肺结节识别特征学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

权重初始化-滑动窗口CNN的医学图像分类

计算机科学与探索 2022年第8期16卷 1885-1897页

作者：安凤平李晓薇曹翔淮阴师范学院物理与电子电气工程学院江苏淮安223300 北京理工大学信息与电子学院北京100081

深度学习在医学图像分类应用过程中存在以下问题:一是无法针对医学图像性质构建深度学习模型层级;二是深度学习模型网络初始化权重未能得到较好优化。为此,首先从网络优化角度出发,通过优化方法提高网络的非线性建模能力,提出了一种新... 详细信息

深度学习在医学图像分类应用过程中存在以下问题:一是无法针对医学图像性质构建深度学习模型层级;二是深度学习模型网络初始化权重未能得到较好优化。为此,首先从网络优化角度出发,通过优化方法提高网络的非线性建模能力,提出了一种新的网络权重初始化方法,缓解了现有深度学习的初始化理论受限于非线性单元类型的问题,增加了神经网络处理不同视觉任务的潜力。同时,为了充分利用医学图像的特性,通过对多列卷积神经网络框架进行深入研究,发现通过改变卷积神经网络不同层次的特征数目和卷积核大小,可以构建不同的卷积神经网络模型,以更好地适应待处理医学图像的医学特性,并训练得到的异构多列卷积神经网络。最后,利用提出的一种自适应的滑动窗口融合机制,共同完成医学图像的分类任务。基于上述思想,提出了一种基于权重初始化-多层卷积神经网络滑动窗口融合的医学分类算法。利用提出方法对乳腺肿块分类、脑肿瘤组织分类实验和医学图像数据库分类分别进行实验,实验结果表明,所提方法不仅平均准确率较传统机器学习、其他深度学习方法有明显提高,而且具有较好的稳定性和鲁棒性。

关键词：深度学习权重初始化滑动窗口卷积神经网络(CNN) 医学图像分类

在线全文

学校读者我要写书评

暂无评论

基于邻域关系模糊粗糙集的医学图像分类研究

计算机工程与科学 2016年第4期38卷 739-746页

作者：胡学伟蒋芸邹丽李志磊沈健西北师范大学计算机科学与工程学院甘肃兰州730070

对医学图像进行分类时,特征选择是影响分类准确率的非常重要的因素。针对医学图像的特殊性,以及目前提出的特征选择算法在应用于医学图像分类时效果不够理想等问题,提出一种基于邻域关系的模糊粗糙集模型,基于该模型给出特征选择算法,... 详细信息

对医学图像进行分类时,特征选择是影响分类准确率的非常重要的因素。针对医学图像的特殊性,以及目前提出的特征选择算法在应用于医学图像分类时效果不够理想等问题,提出一种基于邻域关系的模糊粗糙集模型,基于该模型给出特征选择算法,并将其应用于乳腺X光图像。实验结果表明,同已有的算法相比,该方法能有效选择特征,分类精度有较大的提升。

关键词：医学图像分类特征选择邻域关系

基于卷积受限玻尔兹曼机的医学图像分类新方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与科学 2017年第2期39卷 323-329页

作者：张娟蒋芸胡学伟肖吉泽西北师范大学计算机科学与工程学院甘肃兰州730070

利用数据挖掘方法对医学图像做分析是目前研究的热点之一,常用的挖掘方法首先需要从医学图像中提取特征,然后进行分类分析。目前,应用最多的是提取图像的统计特征,这种方法对所提取的特征有很强的依赖性。采用一种深度学习的新方法——... 详细信息

利用数据挖掘方法对医学图像做分析是目前研究的热点之一,常用的挖掘方法首先需要从医学图像中提取特征,然后进行分类分析。目前,应用最多的是提取图像的统计特征,这种方法对所提取的特征有很强的依赖性。采用一种深度学习的新方法——卷积受限玻尔兹曼机模型,并且采用改进的快速持续对比散度算法对模型进行训练。该方法直接从乳腺X光图像中自主学习特征并利用学习到的特征对图像进行分类。实验结果显示,新方法对医学图像的分类精度相对于已有方法有明显的提升。

关键词：医学图像分类卷积受限玻尔兹曼机快速持续对比散度分类精度

在线全文

学校读者我要写书评

暂无评论

基于SVM的医学图像分类器的设计

微电子学与计算机 2011年第6期28卷 171-175页

作者：华翔孙蕾西安工业大学电子信息工程学院陕西西安710032 西安电子科技大学陕西西安710071

提出了一个基于支持向量机的医学图像分类器.能提取形状和纹理特征作为分类算法的特征输入,进行计算机辅助诊断.提出了一种支持向量机新算法,解决了当两类中的样本数量差别较大时,支持向量机的分类能力将会下降的问题.实验表明,在小样... 详细信息

提出了一个基于支持向量机的医学图像分类器.能提取形状和纹理特征作为分类算法的特征输入,进行计算机辅助诊断.提出了一种支持向量机新算法,解决了当两类中的样本数量差别较大时,支持向量机的分类能力将会下降的问题.实验表明,在小样本、两类样本数量严重不均衡的情况下,该算法有着较强的分类能力,可以极大地提高医学图像分类的效率和准确性.

关键词：支持向量机医学图像分类特征提取图像分割梯度矢量流

在线全文

学校读者我要写书评

暂无评论

基于KAP有向图模型的医学图像分类技术

基于KAP有向图模型的医学图像分类技术

作者：吴枰哈尔滨工程大学

学位级别：硕士

随着计算机科学技术的快速发展和医学图像采集设备的大量普及,医学图像已经被广泛的应用在临床诊断上,这其中包括CT、MRI、PET等多种模态图像。它们为医生的诊断提供了丰富而又宝贵的信息,提高了医生诊断的效率和准确度,极大的促进了医... 详细信息

随着计算机科学技术的快速发展和医学图像采集设备的大量普及,医学图像已经被广泛的应用在临床诊断上,这其中包括CT、MRI、PET等多种模态图像。它们为医生的诊断提供了丰富而又宝贵的信息,提高了医生诊断的效率和准确度,极大的促进了医学领域的发展。现阶段,医学图像的数据量急剧攀升,如何高效准确的对大量的医学图像数据进行分类,使其更好的辅助医生进行诊断成为了基于图像数据挖掘研究的热点。然而,由于医学领域的特殊性和医学图像的复杂性,都增加了对医学图像分类的难度。当前,对医学图像分类技术的研究还处在起步阶段,仍有很多关键的问题亟待解决,继续深入研究医学图像的分类技术有着十分重要的现实意义。另外,如何直观并且准确的向医生展现分类的过程和结果正日益被人们重视,信息的可视化作为一种有效的传达和展示信息的手段,特别是随着D3可视化技术的不断发展,它把图形、文字、色彩等视觉元素结合起来,并允许医生进行交互式的操作,使医生能够更快捷的理解分类的过程和结果。针对目前存在的问题,本文对医学图像分类技术进行了研究,并实现了医学图像分类的可视化,主要工作如下:1)针对医学图像建模过程中图模型不准确问题,提出了基于K最近邻纹理角点(K Nearest Neighbor Texture Angular Points,KAP)有向图模型。KAP有向图模型充分的利用了脑部CT图像良好的纹理特性,在纹理位置处提取角点并作为图模型的顶点,这保证了KAP有向图中顶点的代表性和降低了构图的复杂性。同时,通过在KAP有向图中建立有向边,充分的考虑了顶点和顶点间的空间结构关系。并结合医学领域的知识赋予每个顶点相应的可移动范围,使本模型能够真实反应出脑部CT图像的特点,更具有实际应用价值。2)针对医学图像分类过程中图模型间相似性匹配精度不高问题,提出了KAP有向图多步匹配方法,包括以下三个步骤:首先,提出了KAP有向图粗粒度匹配算法,用来返回两张KAP有向图间顶点的初始匹配序列;其次,提出了KAP有向图细粒度匹配算法,此算法引入了QFV和HFV描述符,用来对KAP有向图间的顶点进行进一步的匹配;最后,提出了KAP有向图匹配的优化算法,包括伪同构结构排除方法和遭误删顶点找回策略,从而准确的实现了KAP有向图的相似性匹配过程,得到了KAP有向图间相同的顶点和公共子图。3)进行对比实验,从分类时间、准确率、召回率等方面对分类器进行评估,并与现存的医学图像分类方法进行对比,证明了本方法在时间复杂度和准确度方面都取得了较好的效果。最后,设计了医学图像分类可视化系统,对分类的过程和结果进行了可视化展示。

关键词：医学图像分类纹理图像建模 KAP有向图可视化